实体
Abide
Abide
PulseAugur coverage of Abide — every cluster mentioning Abide across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架整合LLM语义以进行高级大脑网络分析
研究人员开发了SABER，一个用于分析大脑网络的新框架，该框架将大型语言模型（LLMs）的语义信息直接整合到预测过程中。该方法旨在通过用全脑上下文丰富节点表示并使用多尺度超图对功能性子网络进行建模，来提高脑部疾病诊断的准确性和鲁棒性。在ABIDE和ADHD-200数据集上的实验表明，SABER通过允许语义指导预测而不改变底层网络结构，在小样本场景下取得了最先进的性能。
-
新的CORE框架改进了跨不同地点的大脑网络学习
研究人员开发了一个名为CORE的新框架，以改进对来自不同地点fMRI数据的大脑网络分析。该方法解决了站点特定偏差和平均连接性模糊了重要的瞬态动力学，阻碍了泛化的问题。CORE通过解耦站点特定的混淆因素，提取稳定的连接性边的种群支架，然后在该支架上模拟瞬态通路动力学。实验表明，CORE在跨站点泛化方面显著优于现有方法，即使在脑分区方案存在差异的情况下也是如此。
-
Rhamba框架整合了注意力机制和Mamba模型，用于fMRI自监督学习
研究人员开发了Rhamba，一个用于静息态fMRI数据自监督学习的新型框架。该框架结合了区域感知掩码和混合注意力-Mamba架构，以改进神经影像数据的分析。在ABIDE数据集上的实验以及在COBRE和ADHD-200数据集上的微调表明，Rhamba，特别是Mamba-Attention配置，在区分精神分裂症和ADHD等病症方面，相比现有方法取得了更优越的性能。